专题通讯报道

特约撰稿人：赵婧

2022年国际阿尔茨海默病及相关病学术大会自8月13日拉开帷幕，大会报告精彩纷呈，今天已经进入了第二天，随着8月13日国际著名科学家们的精彩演讲，今天的阿尔茨海默病及相关病学术大会人工智能（AI）专场也给观众们带来了丰富的享受。

报告1：基于多模态PET分子显像的阿尔茨海默病早期诊断及演化规律研究

深圳湾实验室、北京大学深圳研究生院的郭腾飞研究员及其课题组的系列研究揭示了大脑皮层Aβ蛋白的演化规律，AD临床前阶段病人的Aβ斑块沉积规律，不同AD阶段的Tau空间特征的研究，AD发病早期阶段影响Tau沉积的主要因素，以及Aβ蛋白、Tau蛋白交互性影响的机制。以上研究有助于“超早期”AD病人的筛选。

报告2： 面向阿尔茨海默病可解释早期识别的神经影像弱监督学习方法研究

西安交通大学的练春峰特聘研究员主要关注面向重大/常见疾病智慧诊疗的医学影像处理与机器学习，其课题组分别从结构和功能成像两方面进行了有针对性的研究，提出并优化了一系列应用驱动的大数据磁共振成像数据分析新方法，包括结构影像方面的H-FCN、HybNet、MWAN等方法，功能影像方面的STNet、DGATNet等方法。这些方法克服了基于传统机器学习方法和当前深度学习方法的AD脑影像学研究的局限，可显著提升智慧诊疗精准性、可解释性，以及降低其不确定性。

报告3：面向临床应用的智能筛查、检测和诊断

为了突破慢性病防控、精准医学、智慧医疗等关键技术瓶颈，阿尔茨海默病防治协会AI专委会委员，深圳大学医学部生物医学工程学院的雷柏英教授主要围绕以下几个科学问题开展研究：1）如何加快疾病智能筛查速度？2）如何提高病灶特征表达性？3）如何提升疾病的诊断准确率？为回答以上问题，其团队基于多任务深层数据融合技术，实现了更“快”的智能筛选速度；通过增强特征的可解释性，实现了更“高”的智能检测精度；通过建构多重关系纵向追踪模型，完成早期诊断，实现了更“准”的智能诊断。

报告4：人工智能在智慧医疗领域的探索与实践

阿尔茨海默病防治协会AI专委会常务委员、深睿医疗的创始人乔昕详细介绍了公司近期相关技术应用研究工作，如基于GSplit LBI算法的AD早期预测。同时，乔老师向我们展示了深睿医疗的Dr. Wise AI医学辅助诊疗系统丰富的应用场景，如包括创新的多病种AI辅助检测技术、AI赋能基层公共卫生服务、移动体检远程协同影像人工智能项目、基于AI的多模态专病数据库等。乔老师指出深睿医疗旨在解决中国医疗行业现状中存在的医疗供需矛盾、优质医疗资源分布紧张等问题，助力于智能医疗政策的推进工作。

报告5：脑PET与Alzheimer预测

阿尔茨海默病防治协会AI专委会常务委员、安徽大学脑科学工程中心主任、加拿大温尼伯大学脑科学研究中心主任张弓教授及其课题组使用脑PET进行AD的预测和诊断工作。其研究结果显示，脑PET可作为广泛筛查AD的良好工具，可以提前5-10年检测出AD，大大降低AD发病率。其对MR筛查高危人群的PET影像进行分析，建构基于PET的AD三级预测有监督对比学习模型。其基于神经影像学预测和临床神经心理学评估的早期AD诊断框架，这种联合诊断算法的预测精确率高于传统预测模型。

报告6：基于脑网络和机器学习的AD早期诊断研究

阿尔茨海默病防治协会AI专委会委员、上海科技大学生物医学工程学院的张寒教授及其团队提出了高阶功能连接的概念，并基于高阶功能连接进行MCI、MDD的诊断工作。其课题组自主研发的脑网络分类软件BrainNetClass已应用于一些疾病的诊断，效果良好。张教授研究工作主要是从脑网络的拓扑结构、动态性和冗余化方面，基于fMRI的深度学习和图像学习来进行AD的早期识别；以及采用深度学习技术的多中心多模态高质量大数据分析，有助于AD早期诊断和预测。

报告7：面向阿尔茨海默病的多模态脑影像计算——基于生成式AI的脑影像计算

阿尔茨海默病防治协会AI专委会委员、中科院深圳先进技术研究院的王书强研究员前期进行了许多基于生成式AI的脑影像计算模型，如TH-GAN、BMGAN、MPGAN、FPGAN等，可解决生成式AI面临的合成数据评估、数据属性的非自然性、数据隐私泄露等问题。其基于生成对抗策略提出频域并行的细节感知超分模型（FP-GANs），可解决现有的超分辨率方法对细节恢复不充分、人工伪影、重建结果细节模糊等问题。王老师及其课题组提出的PALH模型，可通过有效融合脑网络形态-结构-功能的高阶映射特征，从全局角度学习AD相关的脑网络表征。其团队采用解耦生成对抗网络，表征fMRI和DTI的高阶互补信息，可实现端到端AD相关神经环路检测。

报告8：面向主动健康的AD早期心理生理综合评估及诊断

阿尔茨海默病防治协会AI专委会副主任委员、首都师范大学心理学院的梁佩鹏教授及其课题组开发了系列心理评估系统以实现将个性化的生理心理综合评估应用于AD诊断中。其课题组在以下两方面有特色工作：1）基于中国人脑图谱提取更敏感的影像学特征；2）基于任务态fMRI驱动特征提取，构建了数字归纳推理的计算认知神经模型，提出了类别归纳推理的双加工模型，并将推理任务应用于MCI的影像学标志物的探索工作中。以上工作有助于实现AD的早诊断、早干预，延缓此疾病进展的目的。

报告9：基于影像遗传关联分析方法对阿尔茨海默病生物标记物的检测

南方医科大学的黄美燕副教授及其团队提出的基于单变量的FVGWAS方法、结合图像空间结构信息的GWAS方法、基于多变量的CSRRR、基于时序的稀疏回归分析模型、基于多模态数据的非线性关联分析ScCNAA等影像遗传学方法可检测与疾病相关的生物标记物，辅助进行早期诊断，有助于深入了解疾病的发病机制。

报告10： AD影像学标记物挖掘及大尺度脑活动动态建模研究

阿尔茨海默病防治协会AI专委会委员、太原理工大学的相洁教授及其课题组的研究工作主要包含以下四个方面：1）在多层脑网络方面，其进行了AD多层跨频率整合多层脑网络、AD多层有向脑网络跨频率整合信息交互等；2）在非线性复杂度方面，其团队发表的综述指出，复杂度方法适用于研究AD大脑非线性变化；3）在神经动力学方面，其进行了亚稳态和同步性重测信度研究；4）在计算神经模型方面，其进行了基于多模态影像约束的大尺度全脑神经动力学建模、基于个性化动态模型的虚拟损伤对皮层网络时间动力学的影响研究等。以上研究为AD影像学标记物挖掘提供了新方法和新技术，并为制定基于大尺度建模的神经调控方案提供了理论启示。

报告11：脑效应连接网络学习及在AD辅助诊断中的应用

阿尔茨海默病防治协会AI专委会常务委员、北京工业大学的冀俊忠教授重点介绍了脑效应连接网络的概念，并系统介绍了不同类型的人脑效应连接网络学习方法及基于模拟数据实验、真实数据实验对比不同方法的特点。在新方法及在AD中的应用方面，其课题进行了以下三方面的工作：基于时序评分的脑效应连接网络学习方法、基于生成对抗网络的脑效应连接网络学习方法、基于时空图卷积模型的脑效应连接网络学习方法。以上工作有助于AD病理机制的阐明及其早期诊断和预防工作。

报告12：《Cross-species interrogation of cognitive flexibility circuit with computational model-based functional MRI》

在基础的疾病动物模型到临床病人之间存在巨大差距的背景下，阿尔茨海默病防治协会AI专委会常务委员、北京大学心理与认知科学学院的王征研究员及其团队近期以先进的磁共振成像技术（人类>3T MRI、动物>9.4T MRI）为平台、以猕猴为动物模型、结合病毒为载体的基因追踪技术和基因编辑技术，进行了一系列关于MECP2过表达的转基因猴的病理环路及其与人类自闭症患者病理环路关系的研究，以构建出跨物种的转化研究框架。这些研究为衔接临床病人和非人类灵长动物模型之间的转化作出了重要贡献。

报告13：基于多模态脑网络的阿尔茨海默病影像遗传学研究进展

北京师范大学认知神经科学与学习国家重点实验室的舒妮副教授系统综述了近几年AD的遗传风险相关的脑网络研究。不同AD亚型在Aβ和Tau病理，以及神经变性病变方面有共同模式，然而其潜在神经生物学机制有所不同。其指出，未来研究的重点方向之一是从纵向的AD发生发展角度，结合多模态神经影像学技术，探究AD不同的风险基因类型如何影响AD病理性蛋白沉积和传播模式并进一步影响宏观的脑网络损伤，从基因-病理-脑网络相结合的角度来构建跨尺度多因素的关联模型。

本场报告充分展示了人工智能和软硬件技术创新在多层次、多模态AD脑影像学数据采集和分析中的广泛应用，为深入了解不同进程AD的内在机制及演化规律特点提供了重要的理论启示，同时也为提升AD筛查的效率以及AD早期诊断和预防工作提供了实践参考。

阿尔茨海默病防治协会AI技术专业分会

2022年8月14日